본문 바로가기
KERD
논문KCI 등재

Word2Vec과 2채널 합성곱 신경망을 활용한 영화추천시스템의 정확도 개선

Accuracy Improvement of Movie Recommender System Using Word2Vec and Two-Channel Convolutional Neural Networks

강부식
한국지식정보기술학회 (Korea Knowledge Information Technology Society)|2021.04|한국지식정보기술학회 논문지 (Journal of Knowledge Information Technology and Systems)|제16권 제2호|pp. 255-263|DOI 10.34163/jkits.2021.16.2.002

2

조회

0

다운로드

4

인용

0

참고문헌

키워드

Deep learningWord2vecCollaborative filteringRecommender systemsConvolutional neural networksAccuracy improvement
주제분류학제간연구

초록

상품 추천 시스템의 예측 정확도를 개선하는 것은 추천 시스템 분야의 주요 주제 중 하나이다. 최근 텍스트 분석에서 많이 활용되고 있는 Word2Vec을 이용한 예측 정확성 개선 연구가 제시되고 있다. 또한, 다양한 신경망을 이용한 예측 정확성 개선 연구가 제시되고 있다. 이 연구는 Word2Vec과 2채널 합성곱 신경망을 결합한 영화 추천 시스템의 예측 정확도를 향상할 수 있는 방안을 제안한다. Word2Vec을 이용하여 사용자 간 연관성을 다차원 벡터 공간으로 표현한다. 또한, 영화 간 연관성을 다차원 벡터 공간으로 표현한다. 추가로 사용자 평점 성향을 유추하기 위해 사용자별 평균 평점 정보를 사용하여 제2의 사용자별 다차원 벡터를 찾아낸다. 비슷하게 제2의 영화별 다차원 벡터를 찾아낸다. 사용자 벡터와 영화 벡터를 2채널로 구성하고 이를 2채널 합성곱 신경망을 통해 학습한다. 합성곱 신경망은 사용자 합성곱 모델과 영화 합성곱 모델로 각각 구성되고 완전연결 계층에서 연결된다. 제안한 모델의 예측 정확성 성능 평가를 위해 filmtrust 데이터를 가지고 실험하였다. 실험 결과 제안한 기법이 기존 선행연구에서 제안한 기법에 비해 예측 정확도를 개선함을 알 수 있었다.

Abstract

Improving the prediction accuracy of product recommender systems is one of the main topics in the field of recommender systems. Recent research on improving prediction accuracy using Word2Vec, which has been widely utilized in text analysis, has been presented. Furthermore, research on improving prediction accuracy using various neural networks has been presented. This study proposes a method that can improve the prediction accuracy of a movie recommender system combining Word2Vec and two=channel convolutional neural networks. Using Word2Vec, we express inter-user associations as multi-dimensional vector space. It also expresses inter-movie associations as multi-dimensional vector space. Furthermore, to infer user rating propensity, we use user-specific mean rating information to find a second user-specific multidimensional vector space. Similarly, we find a second movie-specific multidimensional vector space. User vector and movie vector are organized into two channels and learned through two-channel convolutional neural networks. Convolutional neural networks are composed of user convolutional models and movie convolutional models, respectively, and are connected in a fully connected layer. We experiment with filmtrust data to evaluate the predictive accuracy performance of the proposed model. Experiments show that the proposed technique improves the prediction accuracy compared to the existing prior studies.

참고문헌 (17)

  1. B. Sarwar, "Item-based collaborative filtering recommendation algorithms", Proceedings of the 10th International Conference on World Wide Web, pp.285~295 (2001)
  2. K. Goldberg, "EigenTaste : a constant time collaborative filtering algorithm", Information Retrieval, 4(2), pp.133~151 (2001)
  3. T. Mikolov, "Distributed representations of words and phrases and their compositionality", Advances in Neural Information Processing Systems, 26, pp.3111~3119 (2013)
  4. 강부식, "Word2Vec을 이용한 사용자기반 협업필터링의 예측 정확도 개선", 한국지식정보기술학회 논문지, 13(1), pp.169~176 (2018), 한국지식정보기술학회[DOI]
  5. O. Barkan, "Item2vec:neural item embedding for collaborative filtering", 2016 IEEE 26th International Workshop on Machine Learning for Signal Processing, pp.1~6 (2016)
  6. V. Kuzmin, "Item2vec-based approach to a recommender system", pp.2017
  7. G. S. Jeon, "Word2vec based collaborative filtering for movie rating prediction", Korea Software Congress 2017, pp.844~846 (2017)
  8. W. J. Bong, "Similarity-based Movie Recommender System using Auto-encoder", Proceedings of Korean Institute of Intelligent Systems, pp.61~62 (2016)
  9. R. Devooght, "Collaborative filtering with recurrent neural networks", arXiv preprint arXiv:1608.07400, ~ (2016)
  10. 권명하, "임베딩을 활용한 순환 신경망 기반 추천 모델의 성능 향상 기법", 정보과학회논문지, 45(7), pp.659~666 (2018), 한국정보과학회[DOI]
  11. H. Je, "Deep-AutoEncoder based Personalized Recommendation System : Considering users intrinsic characteristics", Proceedings of Korea Information Science Society, pp.773~775 (2017)
  12. 강부식, "Word2Vec과 심층 신경망을 활용한 영화추천 시스템의 정확도 개선", 한국지식정보기술학회 논문지, 13(5), pp.561~568 (2018), 한국지식정보기술학회[DOI]
  13. 강부식, "Word2Vec과 앙상블 합성곱 신경망을 활용한 영화추천 시스템의 정확도 개선에 관한 연구", 디지털융복합연구, 17(1), pp.123~130 (2019), 한국디지털정책학회[DOI]
  14. G. Guo, "A novel bayesian similarity measure for recommender systems", Proceedings of the 23th International Joint Conference on Artificial Intelligence, pp.2619~2625 (2013)
  15. N. Purkait, "Hands-On Neural Networks with Keras" (2019), Packt Publishing
  16. "Librec" (2016)[URL]
  17. "Gensim" (2017)[URL]

관련 논문AI추천

Word2Vec과 앙상블 합성곱 신경망을 활용한 영화추천 시스템의 정확도 개선에 관한 연구강부식한국디지털정책학회 · 디지털융복합연구2019 · 제17권 제1호Word2Vec과 심층 신경망을 활용한 영화추천 시스템의 정확도 개선강부식한국지식정보기술학회 · 한국지식정보기술학회 논문지2018 · 제13권 제5호Word2Vec을 이용한 사용자기반 협업필터링의 예측 정확도 개선강부식한국지식정보기술학회 · 한국지식정보기술학회 논문지2018 · 제13권 제1호새로운 사용자 문제 개선을 위한 워드임베딩 학습과 Skip-gram 모델링 기반의 추천 시스템김경창, 신수미한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2016 · 제21권 제7호Fuzzy-AHP와 Word2Vec 학습 기법을 이용한 영화 추천 시스템오재택, 이상용한국디지털정책학회 · 디지털융복합연구2020 · 제18권 제1호워드 임베딩과 CNN을 사용하여 영화 리뷰에 대한 감성 분석윤성욱, 주명길(사)디지털산업정보학회 · (사)디지털산업정보학회 논문지2019 · 제15권 제1호

이 간행물의 다른 논문 (12건)

블록체인 플랫폼 비교 연구나현숙, 김용준, 황지연, 전민규pp. 241-253Coefficient Diagram Method를 적용한 브러쉬없는 선형 직류 전동기의 PI 전류 제어기의 게인 결정에 관한 연구김민철pp. 265-277피복아크 용접을 위한 몰입형 가상훈련 시스템진경복, 김태훈, 신정민, 김상연pp. 279-287Comparison of Activities of Submental, Infrahyoid, and Sternocleidomastoid Muscles During Modified Chin Tuck Against Resistance Exercise and Chin Tuck Against Resistance Exercise문종훈, 원영식pp. 289-296비즈니스에서의 블록체인 활용 연구이현규, 나현숙, 전민규, 변형욱pp. 297-311
원문 보기